《基於R語言的高級深度學習》是2023年中國電力出版社出版的圖書。
基本介紹
- 中文名：基於R語言的高級深度學習
- 出版時間：2023年1月1日
- 出版社：中國電力出版社
- ISBN：9787519870676
內容簡介,圖書目錄,
內容簡介
深度學習是機器學習的一個分支，包括一套建立數據高級抽象模型的算法。
《基於R語言的高級深度學習》將幫助讀者了解流行的深度學習架構及其用R語言實現的變體，並提供實際示例。
《基於R語言的高級深度學習》內容涵蓋用於預測和分類的重要的深度學習技術和概念，包括神經網路、深度學習架構以及用R實現深度學習的基礎知識。
《基於R語言的高級深度學習》也帶讀者了解如何利用Keras-R、TensorFlow-R等重要的深度學習庫來實現深度學習算法套用。
讀者將了解到人工神經網路、循環神經網路、卷積神經網路、長短期記憶網路以及更高級套用的新進展。讀者進而將發現如何套用生成對抗網路生**圖像，套用自編碼神經網路進行圖像降維、圖像去噪和圖像修正，套用遷移學習準備、定義、訓練和建立深度神經網路模型。
通過《基於R語言的高級深度學習》，讀者能夠運用知識和新習得的技能，將R語言實現的深度學習算法用於實際套用示例。
圖書目錄
前言
第一部分 深度學習基礎
第1章 深度學習架構與技術
1．1 R語言實現的深度學習
1．1．1 深度學習發展趨勢
1．1．2 R軟體包的版本
1．2 深度學習網路模型的開發過程
1．2．1 為深度學習網路模型準備數據
1．2．2 開發模型架構
1．2．3 編譯模型
1．2．4 擬合模型
1．2．5 評估模型性能
1．3 R語言和RStudio實現的深度學習技術
1．3．1 多類分類問題
1．3．2 回歸問題
1．3．3 圖像分類
1．3．4 卷積神經網路
1．3．5 自編碼器
1．3．6 遷移學習
1．3．7 生成對抗網路
1．3．8 文本分類的深度學習網路
1．3．9 循環神經網路
1．3．10 長短期記憶網路
1．3．11 卷積循環網路
1．3．12 提示、技巧和最佳實踐
1．4 本章小結
第二部分 預測與分類問題的深度學習
第2章 多類分類問題的深度神經網路
2．1 胎兒心電圖數據集
2．1．1 醫學數據集
2．1．2 數據集分類
2．2 建模數據準備
2．2．1 數值型變數的歸一化
2．2．2 數據分割
2．2．3 獨熱編碼
2．3 深度神經網路模型的創建與擬合
2．3．1 模型架構開發
2．3．2 模型編譯
2．3．3 模型擬合
2．4 模型評價和預測
2．4．1 損失函式與準確率計算
2．4．2 混淆矩陣
2．5 性能最佳化提示與最佳實踐
2．5．1 增加隱藏層的實驗
2．5．2 隱藏層增加單元數量的實驗
2．5．3 多單元多層網路的實驗
2．5．4 分類不平衡問題的實驗
2．5．5 模型的保存與重新上載
2．6 本章小結
……
第三部分 面向計算機視覺的深度學習
第四部分 自然語言處理問題的深度學習
第五部分 未來展望
